Spark Streaming 的核心是DStream，也就是离散流，它把实时接收的数据流切分成一个个小的批次，每个批次的数据都封装成 RDD，后续的处理逻辑就和之前学的 RDD、DataFrame 操作基本一致，简单说就是 “微批处理”—— 把实时流拆成小批量，用批处理的方式做实时计算，这个设计对新手特别友好，不用重新学一套 API，之前的知识能直接复用。跟着教程搭了基础的开发环境，和 Spark 批处理的环境基本一致，不用额外配置，只是引入的依赖多了 Spark Streaming 的相关包。接着跑了经典的实时单词统计 demo，实现监听本地端口的实时文本数据，统计每个单词的出现次数，步骤特别简单：1. 创建 StreamingContext，设置批处理间隔（比如 5 秒，就是每 5 秒切分一个数据批次）；2. 监听本地 9999 端口，获取实时数据流生成 DStream；3. 对 DStream 做操作，和 RDD 的 WordCount 逻辑几乎一样，扁平化分词、转键值对、按 key 聚合；4. 调用 print () 输出实时统计结果，最后启动流处理程序并等待终止。实操时按教程敲代码，启动程序后在 cmd 里用 nc 命令向 9999 端口发送文本，控制台就能实时输出每 5 秒的单词统计结果。还简单了解了 Spark Streaming 的核心输入源，除了本地端口，还能监听 HDFS、Kafka 等，其中 Kafka 是实际开发中最常用的，因为大部分业务的实时数据都会先发送到 Kafka 做缓存，再由 Spark Streaming 消费处理，不过今天没实操 Kafka 整合，只是记了这个核心搭配。另外知道了 DStream 的基本操作和 RDD 高度兼容，之前学的 map、flatMap、reduceByKey 等算子都能直接用，只是处理的对象变成了批次的 RDD 集合。
